Obróbka danych prognostycznych - omówienie

Nasza ocena:

5
Pobrań: 231
Wyświetleń: 1778
Komentarze: 0
Notatek.pl

Pobierz ten dokument za darmo

Podgląd dokumentu
Obróbka danych prognostycznych  - omówienie - strona 1 Obróbka danych prognostycznych  - omówienie - strona 2 Obróbka danych prognostycznych  - omówienie - strona 3

Fragment notatki:

OBRÓBKA DANYCH PROGNOSTYCZNYCH
W ramach obróbki danych prognostycznych można wykonać: Transformację danych,
Agregację danych, Procedury dla brakujących danych, Identyfikację obserwacji odstających
Transformacja danych:
Wynika z potrzeby dostosowania zebranych danych do postaci spełniającej wymogi zadania
prognostycznego lub stosowanych metod prognostycznych
Przykłady transformacji danych:

Zmiana danych wyrażonych w cenach bieżących na dane w cenach stałych

Zamiana danych ważonych w wielkościach bezwzględnych na względne

Jeśli dane dotyczą miesiąca, konieczna jest transformacja uwzględniająca różną ilość
dni w poszczególnych miesiącach (np. transformacja na miesiąc trzydziestodniowy)
AGREGACJA DANYCH:
Agregacja danych polega na ich sumowaniu
Gdzie: y- wielkość zagregowana
yi- wielkość cząstkowa w i-tej podpopulacji
m- liczba wyróżnionych podpopulacji
Rodzaje agregacji:
1.
Rzeczowa: agregacja danych opisujących określone zjawisko zachodzące w badanych
obiektach
Przykład: Sumowanie danych dotyczących wielkości sprzedaży na poszczególnych stoiskach
celem uzyskania danych dotyczących sprzedaży w całym sklepie
2.
Przestrzenna: Agregacja danych dotyczących mniejszych obszarów geograficznych w
dane dotyczące obszarów większych.
Przykład: Sumowanie liczby telefonów stacjonarnych w województwach celem uzyskania
danych dotyczących tej liczby na jakimś obszarze kraju lub np. w całym kraju
3.
Czasowa: Agencja danych dotyczących okresów krótszych w dane dotyczące okresów
dłuższych
Przykład: Sumowanie danych dotyczących sprzedaży X, celem uzyskania danych o
sprzedaży tygodniowej.
PROCEDURY DLA BRAKUJĄCYCH DANYCH:
W przypadku, gdy zebrany materiał w zakresie danych prognostycznych jest niekompletny
(nie obejmuje wszystkich zmiennych, okresów lub obiektów) wówczas przyjmuje się
następujące rozwiązania:
Ograniczenie liczby zmiennych: Eliminuje się zmienne w zakresie których zebrane
1.
dane są niekompletne. Rozwiązanie to może wpłynąć na formułowanie przesłanek
prognostycznych oraz na wybór metody prognozowania.
Operowanie danymi niekompletnymi: Stosuje się te metody prognozowania, które
2.
mogą być wykorzystywane w oparciu o dane niekompletne
Wprowadzenie danych szacunkowych: Na podstawie dostępnego zbioru danych
3.
szacuje się brakujące dane.
IDENTYFIKACJA OBSERWACJI ODSTAJĄCYCH
Celem identyfikacji jest wykrycie, wśród zgromadzonych danych prognostycznych tych
danych, które nasuwają wątpliwości co do ich poprawności. Dane takie mogą komplikować
proces budowy prognozy. Przyczyny pojawiania się obserwacji odstających mogą być różne
(np. jednokrotna realizacja dużego zamówienia spoza segmentu rynku, na którym działa lub
np. awaria urządzeń produkcyjnych przy jednoczesnym braku zapasu w magazynach itp.).
Konsekwencją budowy modeli prognostycznych przy użyciu danych zawierających
obserwacje odstające może być gorsza jakość konstruowanych prognoz (większe błędy ex
ante). W przypadku identyfikacji obserwacji odstających stosuje się następujące ... zobacz całą notatkę



Komentarze użytkowników (0)

Zaloguj się, aby dodać komentarz